[发明专利]滑动窗口下基于位置top-k关键词查询的优先查询算法及系统

权利要求书

1.一种滑动窗口下基于位置top-k关键词查询的优先查询算法，其特征在于，包括如下步骤：

第一步，输入构建好的四叉树索引模型和查询节点以及k，建立一个列表作为结果集，初始化为空；k表示用户可指定的结果关键词的个数；

第二步，根据构建好的四叉树的根节点的MG摘要以及k进行剪枝操作，得到候选结果集；第二步中，所述剪枝操作过程如下：从用户输入得到确切的k值之后，重新计算第k个词的分值，将该分值中的“距离部分”设置为0算出的分值作为一个下界；接着，从根节点摘要中的第(k+1)个词开始，重新计算这些词的“距离部分”，使用最大的距离进行计算作为上界；当第i(ik)个词的上界分值仍然小于第k个词的下界分值，那么认定第i个之后的词在不久的未来k次操作也不能到达优先队列的顶部；

第三步，使用一个最大堆C存储候选结果集中的每个词语以及其分值；C是存储所有候选词的一个优先队列；第三步中，所述分值按以下步骤计算：

(1)利用每一个节点中存储的摘要来计算分值：等式(1)定义了计算分值的公式，

令D为一个二维的欧式空间，W为滑动窗口，S是在D和W内的一系列地理文本信息的集合；每一个地理文本信息表示为o＝(pos,text)，其中pos是D中的一个位置点，text是文本信息；定义滑动窗口W中一个词t的位置感知词频分值：

其中，freq(t)是包含词t的信息的数目，|W|是在滑动窗口中的信息的总数目，d(q,W_t)是查询点q与窗口W中包含t的信息的距离之和，d_diag是矩形区域R的对角线长度，|W_t|表示的是W中包含词t的信息的数目，α是平衡在词频与位置邻近度之间的权重的参数，该分值实质是W中的词的词频和该词与查询点q之间的距离的线性组合；将分数的计算公式分为“频率部分”和“距离部分”由于MG摘要在最多误差为n/(k+1)的情况下估算任意项的频率，n是所有讯息的数目，将这个最大的误差加到freq来计算“频率部分”；d(q，W_t)是包含词t的信息与查询点之间的距离之和，使用查询点到包含这个词的节点的四条边的最小距离来作为一个上界；“距离部分”计算要考虑对于同一个词的冗余计算，包含了对一个节点中同一个词出现的信息数目的一个除法操作，以及通过一个线性权重参数α计算两部分的和，将其归一化到[0,1]的区间；

(2)在得到每一个节点内每一个词的分值后，词的分值需要被整合来计算该词在整棵树中的分值；该步通过将某些节点中该词的分值相加，使得该分值尽可能地大，在这个过程中，必须遵守一个规则是这些节点必须要覆盖整棵四叉树；

第四步，当结果集的大小小于k时，依次取出C中的队列头的词语，从根节点遍历到叶节点，每遍历一层得到比原来的分值小的值就替换原始值，直到遍历到叶节点找到该词语的精确分值，放入队列；

第五步，循环第四步，当队列头的词语的分值等于该词在叶节点的精确分值，放入结果集中；

第六步，当结果集的大小等于k时，返回结果集。

2.如权利要求1所述的算法，其特征在于，第一步中，所述四叉树索引模型的构建方法包括如下步骤：

步骤一，确定四叉树覆盖的地理范围以及节点分裂规则；

步骤二，接受数据流，向节点中插入数据；

步骤三，符合步骤一节点分裂规则的节点分裂，数据插入不断生成完整的四叉树；

步骤四，对每一个叶节点，统计其词频，存储倒排索引；

步骤五，对每一个非叶节点，存储其所有子节点的MG聚合摘要信息；

步骤六，针对步骤四和步骤五两步的数据插入过程中，在这个过程中需要维护滑动窗口的大小，删掉具有最旧时间戳的数据项，添加最新的数据，调整四叉树的索引结构。

3.如权利要求2所述的算法，其特征在于，步骤一中，所述确定四叉树覆盖的地理范围是给定左上角和右上角的纬度坐标经；所述确定节点分裂规则为：设置每一个叶节点中的数据项不超过某个设定的阈值M，如果超过了则进行分裂为四个叶子节点；或者直接限定树的深度。